自动驾驶需要哪些关键技术？

今天的社会正变得越来越以多媒体为中心、依赖数据和自动化。自动驾驶技术正在道路、海洋和太空中普及。自动化、分析和智能正在从人类转向“特定于机器”的应用。计算机视觉和视频将在我们未来的数字世界中扮演重要角色。数以百万计的智能传感器将通过嵌入汽车、智能城市、智能家居和仓库。此外，5G技术将成为一个完全互联的智能世界的数据高速公路，或许将从人到机器，甚至机器人代理等一切事物连接起来。

 

一个多世纪以来，汽车行业一直是一个主要的经济部门，它正朝着自动驾驶和联网汽车的方向发展。汽车正变得越来越智能化，对人类操作的依赖也越来越少。车辆与车辆(V2V)和车辆与万物互联(V2X)，即来自传感器和其他来源的信息通过高带宽、低延迟和高可靠性的链路传输，为全自动驾驶铺平了道路。自动驾驶背后最引人注目的因素是死亡和事故的减少。认识到90%以上的汽车事故是人为失误造成的，自动驾驶汽车将在实现汽车行业“零事故”、“零排放”和“零拥堵”的宏伟愿景中发挥关键作用。

 

的障碍是车辆必须具备看到、思考、学习和驾驭各种驾驶场景的能力。

 

根据Tractica公司最近的预测，到2025年，汽车人工智能硬件、软件和服务的市场规模将从2017年的12亿美元增至265亿美元。这包括、、NLP、计算机视觉、机器推理和强大的人工智能。麦肯锡的一份报告称，到2030年，全自动驾驶汽车将占全球乘用车销量的15%，到2040年，这一数字将升至80%，具体取决于监管挑战、消费者接受度和安全记录等因素。自动驾驶目前是一个相对新生的市场，该系统的许多优势只有在市场扩大之后才能完全体现出来。

 

图1  2017年至2025年汽车人工智能市场预测

 

AI-Defined车辆

完全自主驾驶的体验是通过一个复杂的传感器和摄像头网络实现的，这些网络为机器重现了外部环境。自动驾驶汽车通过处理摄像头、激光雷达、雷达和超声波传感器收集的信息，告诉汽车与周围物体的距离、路缘、车道标记、交通信号和行人等信息。

 

与此同时，随着嵌入式系统、导航、传感器、视觉数据和大数据分析等领域的进展，我们也见证了车辆和移动边缘计算的智能化程度不断提高。首先是先进的驾驶辅助系统(ADAS)，包括紧急制动、倒车摄像头、自适应巡航控制和自动停车系统。

 

如图2所示，由汽车工程师协会(SAE)定义的6个自动驾驶级别被引入后，全自动汽车有望逐步实现。这些级别的范围从无自动化、有条件自动化(循环中的人类)到全自动汽车。随着自动化水平的提高，汽车将接管司机更多的操作。ADAS主要分为自动化1级和自动化2级。Waymo、优步、特斯拉等汽车制造商和科技公司，以及一些一级汽车制造商，都在大力投资更高水平的驾驶自动化。

 

 

图2  SAE为自动驾驶汽车划分的级别

 

随着人工智能技术创新的快速增长，四级解决方案得到了更广泛的接受，面向的主要是在高速公路上运行的车辆。

 

虽然此时第3级和第4级之间的难题主要是监管，但第4级和第5级之间的跳跃要大得多。后者需要具备导航复杂路线和不可预见情况的技术处理能力，目前需要人为干预。

 

随着自动化水平的提高，将需要更多的传感器、处理能力、内存、高效功耗和网络连接带宽管理。图3显示了自动驾驶汽车所需的各种传感器。

 

图3 自动驾驶汽车所需的传感器(摄像头，激光雷达，雷达，超声波)

 

深度学习、边缘计算和汽车互联网的融合，是由人工智能汽车和车辆通信的进展推动的。在可视化数据应用和行业中，面向机器的视频处理和编码的另一种实现技术是新兴的MPEG机器视频编码(MPEG- vcm)标准。研究了VCM的两种具体技术:

 

•有效压缩视频/图像

•主要特征提取的共享

 

用于边缘推理的强大人工智能加速器、用于机器视频压缩和分析的基于标准的(MPEG-VCM)以及5G互联汽车(V2X)在实现自动驾驶汽车的全面发展中发挥了关键作用。

 

5G-V2X和新兴的MPEG-VCM标准使行业朝着统一的国际标准努力。这种统一的法规和国际标准的建立对未来智能交通和人工智能汽车行业的全球市场至关重要。

 

未来的自动驾驶汽车(AV)行业有很多可能的VCM-V2X联合架构。根据给定AV基础架构场景的需求，我们可以使用集中式、分布式或混合的VCM-V2X架构，如图4所示。目前，大多数联网汽车制造商都在尝试使用低成本摄像头的集中式架构。然而，随着相机变得更加智能、分布式和混合架构，由于它们的可伸缩性、灵活性和资源共享能力会变得更有吸引力。新兴的MPEG-VCM标准还提供了传输压缩提取特征的能力，而不是在车辆之间发送压缩的视频或图像。

 

 

 

 

Gyrfalcon Technology Inc.是这些创新的先锋，利用人工智能和深度学习的力量，为人工智能驱动的摄像头和自动驾驶汽车提供了突破性的解决方案，具备极强的性能、能效和可扩展性，在设备、边缘和云级别加速人工智能推理。

 

5G、边缘计算、计算机视觉、深度学习和机器视频编码(VCM)技术的融合将是全自动驾驶汽车的关键。标准和互操作技术，如V2X、新兴的MPEG-VCM标准、强大的edge和板载计算推理加速器芯片，使低延迟、高能效、低成本和安全优势能够满足人工智能汽车行业的苛刻要求。

 

关于Manouchehr Rafie博士

Rafie博士是Gyrfalcon Technology Inc. (GTI)的高级技术副总裁，他正在推动公司在深度学习、AI边缘计算和可视化数据分析的融合方面的先进技术。他还担任MPEG-VCM标准的新兴视频编码机器(VCM)联合主席。在加入GTI之前，Rafie博士曾担任多个初创公司和大公司的执行/高级技术职务，包括Exalt Wireless的接入产品副总裁，Cadence Design Services的集团董事和研究员职位，以及UC Berkeley University的兼职教授。他发表了90多篇文章，并在世界范围内的许多技术会议和专业协会担任主席、讲师和编辑。

 

原文链接：https://semiwiki.com/automotive/296421-accelerating-ai-defined-cars